update how_to\compile

docs/how_to/compile/01-compile_pytorch.md

@@ -17,8 +17,8 @@ title: 编译 PyTorch 模型
 可通过 pip 快速安装：
 
 ``` bash
-pip install torch==1.7.0
-pip install torchvision==0.8.1
+pip install torch
+pip install torchvision
 ```
 
 或参考官网：https://pytorch.org/get-started/locally/

docs/how_to/compile/02-compile_tensorflow.md

@@ -12,6 +12,10 @@ title: 编译 TensorFlow 模型
 
 首先安装 TensorFlow Python 模块（可参考 https://www.tensorflow.org/install）。
 
+```bash
+pip install tensorflow
+```
+
 ``` python
 # 导入 tvm 和 relay
 import tvm

docs/how_to/compile/03-compile_mxnet.md

@@ -12,16 +12,15 @@ title: 编译 MXNet 模型
 
 本文将介绍如何用 Relay 部署 MXNet 模型。
 
-首先安装 mxnet 模块，可通过 pip 快速安装：
+首先安装 mxnet 模块：
 
 ``` bash
-pip install mxnet --user
+pip install mxnet
 ```
 
 或参考官方安装指南：https://mxnet.apache.org/versions/master/install/index.html
 
 ``` python
-# 一些标准的导包
 import mxnet as mx
 import tvm
 import tvm.relay as relay

docs/how_to/compile/04-compile_onnx.md

@@ -12,10 +12,10 @@ title: 编译 ONNX 模型
 
 本文将介绍如何用 Relay 部署 ONNX 模型。
 
-首先安装 ONNX 包，最便捷的方法推荐安装 protobuf 编译器：
+首先安装 ONNX 包：
 
 ``` bash
-pip install --user onnx onnxoptimizer
+pip install onnx onnxoptimizer
 ```
 
 或参考官方网站：https://github.com/onnx/onnx

docs/how_to/compile/05-compile_keras.md

@@ -15,8 +15,7 @@ title: 编译 Keras 模型
 首先安装 Keras 和 TensorFlow，可通过 pip 快速安装：
 
 ``` bash
-pip install -U keras --user
-pip install -U tensorflow --user
+pip install keras tensorflow
 ```
 
 或参考官网：https://keras.io/#installation

docs/how_to/compile/06-compile_tflite.md

@@ -15,8 +15,7 @@ title: 编译 TFLite 模型
 首先安装 TFLite 包。
 
 ``` bash
-# 安装 tflite
-pip install tflite==2.1.0 --user
+pip install tflite==2.1.0
 ```
 
 或者自行生成 TFLite 包，步骤如下：

docs/how_to/compile/07-compile_coreml.md

@@ -12,10 +12,10 @@ title: 编译 CoreML 模型
 
 本文介绍如何用 Relay 部署 CoreML 模型。
 
-首先安装 coremltools 模块，可通过 pip 快速安装：
+首先安装 coremltools 模块：
 
 ``` bash
-pip install -U coremltools --user
+pip install coremltools
 ```
 
 或参考官网：https://github.com/apple/coremltools

docs/how_to/compile/08-compile_darknet.md

@@ -13,8 +13,7 @@ title: 在 DarkNet 模型中编译 YOLO-V2 和 YOLO-V3
 本文介绍如何用 TVM 部署 DarkNet 模型。所有必需的模型和库都可通过脚本从 Internet 下载。此脚本运行带有边界框的 YOLO-V2 和 YOLO-V3 模型。DarkNet 解析依赖 CFFI 和 CV2 库，因此执行脚本前要安装这两个库。
 
 ``` bash
-pip install cffi
-pip install opencv-python
+pip install cffi opencv-python
 ```
 
 ``` python

docs/how_to/compile/09-compile_paddlepaddle.md

@@ -10,13 +10,13 @@ title: 编译 PaddlePaddle 模型
 
 **作者**：[Ziyuan Ma](https://github.com/ZiyuanMa/)
 
-本文介绍如何用 Relay 部署 PaddlePaddle 模型，首先安装 PaddlePaddle（版本>=2.1.3），可通过 pip 快速安装：
+本文介绍如何用 Relay 部署 PaddlePaddle 模型，首先安装 PaddlePaddle（版本>=2.1.3）：
 
 ``` bash
 pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
 ```
 
-或参考官方网站：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/linux-pip.html
+获取更多详情，可参考官方安装教程：https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/linux-pip.html
 
 ``` python
 import tarfile

docs/how_to/compile/10-compile_oneflow.md

@@ -16,7 +16,7 @@ title: 编译 OneFlow 模型
 
 ``` bash
 pip install flowvision==0.1.0
-python3 -m pip install -f https://release.oneflow.info oneflow==0.7.0+cpu
+pip install -f https://release.oneflow.info oneflow==0.7.0+cpu
 ```
 
 或参考官网：https://github.com/Oneflow-Inc/oneflow